Jaringan Syaraf Tiruan

Sistem jaringan sudah ada di dalam organisme biologis dan telah menjadi topik menarik dan penelitian para ahli matematika, mencoba untuk mengembangkan model yang akan mendeskripsikan sistem ini dan kompleksitasnya. Jaringan Syaraf Tiruan (JST), sebagaimana yang dikenal saat ini, telah berkembang menjadi generalisasi dari konsep-konsep berikut. Pada tahun 1943, Warren McCulloch dan Walter Pitts mengemukakan tiga hal: pengetahuan fisiologi dasar dan fungsi syaraf dalam otak, analisis formal tentang logika proposisi, dan teori komputasi Turing. Hebb mendefinisikan peraturan learning yang tidak ditilik pada 1949, sementara perseptron milik Rosenblatt diimplementasikan untuk pertama kali pada 1958.

Penerapan JST terhadap tugas komputasi dan efisiensi telah banyak dipertanyakan. Terutama di masa buku “Perceptrons”, yang dipublikasikan tahun 1969 oleh Minsky dan Pepert, menimbulkan disipasi antuisme dan minat awal. Namun ketika algoritma backpropagation learning ditemukan pada tahun 1985-an dan diimplementasi pada bidang komputasi dan psikologi, JST memperoleh status mereka kembali dan terbukti menjadi solusi yang memuaskan untuk banyak masalah.

Sebuah jaringan dapat dianggap sebagai sistem komputasi yang terdiri dari beberapa unit pengolahan yang sederhana, yaitu syaraf, yang saling terhubung dan bekerja paralel. Jaringan memiliki kemampuan inheren untuk belajar dan beradaptasi, memungkinkan beberapa toleransi kesalahan, menyediakan representasi pengetahuan terdistribusi.

Spesifikasi JST terdiri dari seperangkat syaraf memberi jumlah dan organisasinya, keadaan aktivasi syaraf yang dinyatakan oleh fungsi aktivasi dan offset yang menentukan kapan syaraf menyala, interkoneksi antara syaraf mempengaruhi syaraf lain, dan peraturan learning dan training yang menunjukkan metode pengumpulan informasi oleh jaringan.

Fungsi aktivasi untuk neuron mendefinisikan nilai output dari suatu neuron, demikian bagaimana reaksi mereka terhadap data yang terakumulasi melalui semua input. Biasanya digunakan fungsi: linier atau semi-linier, fungsi threshold yang membatasi, sigmoid, atau garis singgung hiperbolik. Sifat fungsional, seperti linieritas, kontinuitas, differentiability, menyebabkan fungsi untuk bekerja dengan efisiensi yang bervariasi dalam menyelesaikan tugas spesifik. Sigmoid adalah fungsi aktivasi yang paling sering digunakan dalam mengklasifikasikan data karena sifatnya yang non-linier, kontinu, dan differentiable.

Arsitektur jaringan adalah pola dimana neuron-neuron pada JST disusun behubungan erat dengan algoritma learning yang digunakan untuk melatih jaringan. Secara umum arsitektur jaringan di JST terdiri dari: single-layer feed-forward, multi-layer feed-forward, recurrent dan lattice. Arsitektur feed-forward merupakan penyaluran data yang berasal dari input ke output diorganisasikan dalam bentuk lapisan-lapisan, recurrent adalah jaringan yang mempunyai minimal satu feedback loop, lattice terdiri dari satu dimensi, dua dimensi, atau lebih array neuron dengan himpunan node sumber yang bersesuaian yang memberikan sinyal input ke array.

Untuk mengetahui, keluaran output yang mana yang diinginkan setiap kali satu set nilai data dipresetasikan ke jaringan syaraf tiruan, perlu untuk menyesuaikan jumlah interkoneksi dan hal ini tercakup dalam network learning atau training rule. Learning adalah suatu proses dimana parameter-parameter bebas JST diadaptasikan melalui suatu proses perangsangan berkelanjutan oleh lingkungan dimana jaringan berada. Jenis belajar ditentukan oleh pola dimana pengubahan parameter dilakukan. Terdapat jenis belajar supervised, unsupervised, atau reinforcement. Dalam Multilayer Perceptron biasanya diterapkan beberapa varian metode supervised backpropagation. Istilah supervised artinya terdapat guru yang berperan untuk menyediakan informasi mengenai jawaban yang diinginkan sehingga merepresentasikan aksi yang optimum. Parameter jaringan diubah-ubah berdasarkan vektor latih dan sinyal kesalahan dan dilakukan secara berulang agar JST memiliki kemampuan yang mirip gurunya.

Keuntungan terbesar dari JST adalah kemampuan mereka untuk digunakan sebagai fungsi sembarang mekanisme perkiraan yang belajar dari data yang telah diamati dan akibatnya telah dipergunakan luas di berbagai bidang seperti bisnis, sains dan teknik. JST bisa digunakan untuk menyelesaikan berbagai masalah, mulai dari klasifikasi, optimasi, kompresi, peramalan, sistem control, sistem pendeteksian kecurangan, dan sebagainya. Pada umumnya, JST sangat sesuai untuk permasalahan yang bernilai kontinyu, seperti pengenalan tulisan tangan, pengenalan wajah, pengenalan suara, dan sebagainya. Tetapi, kita juga bisa menggunakan JST untuk masalah yang bernilai diskrit.

Artificial Intelligence dalam Kehidupan Manusia

Kehadiran Artificial Intelligence (AI) mengubah hampir segala aspek kehidupan manusia, misalnya ekonomi, komunikasi, pekerjaan, sekuritas, privasi, sistem pelayanan kesehatan dan lain-lain. Namun, kita masih belum melihat evolusinya dalam jangka panjang, yang mana membimbing umat manusia untuk menjadikan bumi ini tempat yang lebih baik untuk ditinggali atau sebaliknya. Jika kita melihat sekeliling, kita merangkul perubahan yang telah dibawa oleh teknologi, entah itu autonomous cars, smart city, smart home, atau smart healthcare. Akan tetapi dengan semakin cepatnya perkembangan AI, lebih banyak produk AI yang menggantikan pekerjaan manusia. Salah satu contohnya adalah pelayanan customer service yang kini telah mulai tergantikan dengan keberadaan chatbot.

Pengertian AI sendiri adalah acting agent dengan pendekatan rational agent. Hal ini berdasarkan pemikiran bahwa komputer bisa melakukan penalaran secara logis dan juga bisa melakukan aksi secara rasional berdasarkan hasil penalaran tersebut. Di sini, produk-produk AI dikelompokkan ke dalam empat teknik yang ada di AI, yaitu: searching, reasoning, planning, dan learning. Teknik searching digunakan untuk pencarian rute optimum untuk memandu seseorang di perjalanan yang memanfaatkan Global Positioning Systems (GPS). Teknik reasoning dalam dunia kedokteran, telah berhasil dibangun software yang disebut MedicWare yang digunakan untuk merekan catatan medis pasien serta ribuan pengetahuan tentang jenis, merek, efek samping, dan interaksi berbagai jenis obat-obatan. Di dunia manufaktur dan robotik, teknik planning digunakan oleh European Space Agency untuk perakitan dan penggabungan pesawat terbang. Sementara teknik learning telah digunakan pada berbagai bidang seperti transportasi, speech processing, computer vision, robotics, dan sebagainya.

Terlepas dari kenyataan bahwa kita mengandalkan artificial intelligence sebagai alat untuk mengubah cara kita hidup, bekerja, dan berinteraksi satu sama lain, yang sebagian besar akan dimungkinkan dengan penggunaan teknik machine learning, masih belum jelas bagaimana intelligent agent ini akan memecahkan masalah yang lebih kompleks daripada yang ada saat ini (intractable problem). Eric Schmidt, kepala eksekutif Alphabet, perusahaan induk Google, mengatakan bahwa AI dapat digunakan untuk mengatasi tantangan utama, termasuk perubahan iklim, diagnose penyakit, penemuan obat, ekonomi mikro, pembuktian teorema dan protein folding. Bila perkembangan AI membaik, maka akan tercipta superhuman intelligence dan menimbulkan pertanyaan apabila kita tidak memiliki kerangka hukum untuk mencegah penggunaan intelligence yang berbahaya, akankah hal ini bisa menempatkan umat manusia berada di ambang kehancuran?

Disamping dampak negatif AI yang dapat mengancam keberadaan umat manusia, AI telah memberikan sumbang asih yang banyak untuk peningkatan efektivitas dan efiensi pekerjaan repetitif dan automasi. Beberapa tahun terakhir penggunaan AI berpusat pada akivitas internet misalnya, menampilkan iklan paling relevan kepada masing-masing pengguna (recommender system), web pencarian, chatbot, data analytics dan lain-lain. Bila kita menilik situasi saat ini dan siapa yang ikut terlibat dalam arus perkembangan AI, maka kita bisa dengan mudahnya menemukan perusahaan besar seperti Google, Facebook, Microsoft, dan IBM adalah sekumpulan yang berperan besar. Namun demikian pengembangan AI lebih berpusat pada narrow artificial Intelligence (Weak AI) yang sifatnya sempit, minimalis atau terbatas hanya pada satu jenis tugas tertentu yaitu: iPhone Siri, Cortana, Alexa, filter email spam, dll.

Tahun 2013, Mark Zuckerberg membentuk laboratorium AI bernama DeepMind yang kemudian diakuisisi oleh Google. Saat ini, kita memiliki cloud computing untuk menyimpan data dari jarak jauh dan teknologi jaringan syaraf yang murah. Tingkat error image recognition juga telah menurun secara drastis semenjak tahun 2012. Di tahun 2015, beberapa pencapaian diraih dalam riset dan pengembangan AI menjadi AGI (Strong AI) yang memiliki kecerdasan umum yang sama dengan kecerdasan rata-rata manusia dengan menggunakan teknik deep learning. Google memublikasikan sistem AI mereka yang dapat memainkan video games tanpa arahan dan engine AI open source yang digunakan untuk menerapkan berbagai macam algoritma machine learning neural network ke berbagai produk dan jasa. Facebook telah membuat sistem pengenalan gambar yang bisa mengenali gambar otomatis dan bisa menafsirkan untuk orang buta. Microsoft dengan bangga menghadirkan skype yang berbasiskan sistem AI yang dapat menerjemahkan suatu bahasa ke bahasa lain secara otomatis sementara IBM mengerjakan sistem AI yang terkenal bernama Watson, pemenang kompetisi Jeopardy! di tahun 2011. Sementara perusahaan riset non-profit AI, OpenAI, menginginkan perkembangan AI bermanfaat bagi seluruh masyarakat dan terbebas dari kebutuhan untuk mendapatkan pendapatan. Sebagaimana mereka telah membuat reinforcement learning framework terbuka untuk umum, hal ini dapat memungkinkan perusahaan lain menciptakan penggunaan baru dan berkontribusi dalam riset AI sebagai proyek open source.

Penelitian bidang AI berkembang dengan pesat, di perusahaan retail US, Walmart, telah mencoba membuat robot keranjang belanja yang mempermudah manusia. Sementara Amazon mengembangkan robot untuk melayani pengiriman antara stackers dan pickier, hal ini dapat kita aplikasikan untuk pengangkutan barang di pelabuhan kapal. Amazon juga mengembangkan Alexa yang dapat mengenal emosi manusia. Industri otomotif berinvestasi untuk menggabungkan AI dengan mobil, seperti yang dilakukan Tesla Motors dengan auto-pilot mode. Toyota juga mengembangkan AI dengan big data untuk memfasilitasi bantuan mobilitas bagi orang-orang yang kurang percaya diri mengendarai mobil, serta Toyota Connect yang memprediksi tujuan destinasi sebelum pengguna memberitahukanya. Di China, perusahaan HTC menciptakan Turing Robot, sebuah asisten suara yang bisa diaplikasikan di sistem mobil Bosch dan peralatan rumah Haier. Sebuah start-up Brain of Things juga mengembangkan smart home dinamakan robot home, yang mengawasi aktivitas penghuni rumah, entah mereka nonton TV, tidur, atau melakukan hal lain. 

Keuntungan AI terlihat menarik, namun demikian beberapa orang berpendapat bahwa kehadiran AI akan membuat lapangan pekerjaan menjadi berkurang, menimbulkan masalah keselamatan dan sekuritas. Masalah lain yang lebih parah terkait dengan singularitas teknologi yang dapat dilihat pada waktunya ketika mesin akan memperoleh Human-Level Machine Intelligence (HLMI). Nick Bostrom mengatakan di TED bahwa "kecerdasan mesin adalah penemuan terakhir yang harus diciptakan manusia.” Konsekuesnsinya, sekarang sangat penting untuk berpikir intensif tentang jenis dunia yang sedang kita bangun. Kita harus memastikan, mesin pintar ini akan melindungi umat manusia dan mempertahankan nilai-nilainya bukan mengembangkan nilai mereka sendiri. Banyak tokoh teknologi seperti, Elon Musk, Stephen Hawking, dan lainnya memperingatkan bahaya AI, meski sebenarnya ancaman yang mereka lihat berbeda satu sama lain.

Menurut saya, kita berada di titik dimana sangat sulit untuk memperkirakan masa depan manusia dalam konteks kecerdasan buatan. Kita selalu merangkul teknologi baru yang mengubah cara hidup kita.  Namun, fakta penting di sini adalah bahwa jenis perubahan yang kita ambil harus membawa hasil positif bagi kesejahteraan masyarakat dan kemanusiaan. Kecerdasan buatan adalah jenis perubahan yang tentunya tidak boleh kita anggap remeh.